上手機器學習項目——預測房價

數據流水線：一系列的數據處理組件。組件間是獨立的、異步運行、組件間的接口只是數據容器

1. 給定商業目標，確定輸出
2. 劃定問題：監督or非監督or強化學習？分類or迴歸？強化or在線？
3. 選擇性能指標 迴歸問題典型指標數均方根誤差（RMSE）、平均絕對誤差（MAE）
4. 覈實假設
5. 獲取數據（下載數據）
6. 簡單查看數據結構（數據描述、數據屬性、）
7. 創建測試集有不同的方法（隨機抽樣、分層抽樣）
8. 探索數據、可視化、發現規律
   1）查找關聯——計算屬性間的相似性，線性關係分正相關、負相關、不相關
   2）屬性組合實驗——快速發現規律，以得到一個合理的原型
9. 準備數據，數據清洗
   1）數值屬性 缺失處理
   2）文本屬性（類別屬性）準換爲數值
10. 自定義轉換器
11. 特徵縮放：兩種方式——線性函數歸一化；標準化
    9.10.11可以合併自動化的轉換流水線
12. 選擇並訓練模型訓練後，要評估
    交叉驗證評估
    分析欠擬合、還是過擬合
    相應的解決方法
    候選模型
13. 模型微調（3種方式）
14. 分析最佳模型和他們的誤差
15. 測試集評估
16. 項目預上線
17. 啓動、監控、維護系統